1、收稿日期：作者简介：丁敬保（），男，山东菏泽人，高级工程师，工学硕士，研究方向为机电一体化和机器视觉等。基于机器视觉的电机磁片尺寸和表面缺陷检测系统的设计丁敬保朱立恒李欣（天津海运职业学院，天津 ；天津翔鹤科技有限公司，天津 ）摘要：磁片是电机转子的重要零件之一，采用人工目视法检测电机磁片尺寸和表面缺陷，存在效率低和稳定性差等问题。基于 开源软件，搭建电机磁片尺寸和表面缺陷检测平台，开发了基于机器视觉的电机磁片尺寸和表面缺陷检测系统，采用图像预处理、图像粗定位、图像精定位和缺陷定位等方法进行检测。试验结果证明：该系统检测精度较高，不合格品的有效剔除率能达到 以上，检测速度较快，稳定性较好，提高
2、了磁片检测的工作效率。关键词：电机磁片；机器视觉；表面缺陷；尺寸检测中图分类号：文献标识码：文章编号：（）：（，；，）：，：；第 卷第 期 年 月 北京工业职业技术学院学报 引言磁片是一种烧结的钕铁硼永磁材料，广泛应用于电机转子中，它的质量直接影响到电机运行的可靠性。磁片的表面外观是磁片重要评价指标之一，传统的磁片检测方法主要依靠人工目视进行检测。由于受到人眼空间分辨能力和时间分辨能力双重影响，人工检测具有工作强度大、劳动生产率低、人工成本高、易受检测人员主观影响等局限性，已无法满足现代化生产对磁片检测的高速与高可靠性要求。近年来，随着电子技术和计算机技术的发展，机器视觉技术发展迅速。该技术采
3、用基于传统图像处理或机器学习方式的智能设备进行检测，排除了主观因素的干扰，具有检测精度高、检测速度快等特点，被广泛应用于汽车、电子、电气、机械、制药、包装、印刷、纺织等行业 。目前，机器视觉技术在缺陷检测领域发展迅速且取 得 了 大 量 的 研 究 成 果。王 进 峰 等 利 用 算子构建图像表面梯度信息，提出基于四光源光度立体法的检测方法，利用图像平均曲率信息可以快速检测出金属表面缺陷，但是该方法需要基于第三方商业软件，成本较高。付泽民等 提出基于 视觉软件的金属成形工件尺寸与外形缺陷检测的方案，主要基于金属成形工件形态学和灰度值特征，应用阈值分割与标准模板匹配算法对金属成形工件进行区域匹配
4、，检测工件外形缺陷，获得了较高的工件尺寸的检测正确率以及外形缺陷件检测正确率。孙宁等 提出基于迁移学习卷积神经网络（）的机器视觉技术检测方法，通过图像灰度化与小波降噪的方法解决缺陷特征不显著的问题，将已训练模型中的卷积层部分迁移至该任务模型中，分类后提取缺陷周围的轮廓特征，但是该方法较为复杂。磁片缺陷主要包括尺寸缺陷和表面缺陷 类。本文开创性地将机器视觉技术应用于磁片缺陷检测领域，搭建了基于机器视觉技术的尺寸和表面缺陷检测的自动化检测平台，设计的图像处理算法可有效去除“白边”。通过对磁片上下表面的缺陷分析和尺寸分析，实现了对生产线上的磁片进行在线连续检测，并通过运动控制板卡上的输出端进行良品和
5、缺陷品自动分类，避免了人工检测方式的局限性，极大地提高了检测精度和生产效率。系统组成和原理 系统组成检测系统由落料系统、传动系统、拍照系统、分析系统和筛选系统组成，如图 所示。图 检测系统组成图（）落料系统由振动盘组成。振动盘通过振动可以将无序的磁片工件自动有序定向排列整齐，准确输送到下道工序的传动系统。（）传动系统由工控机、运动控制板卡、伺服驱动器、伺服电机、圆形玻璃转台等组成。当工控机通过运动控制板卡给伺服驱动器下达运动指令后，伺服电机会按照指定的速度带动圆形玻璃转台进行转动，将磁片依次带入光纤传感器、工业相机和气阀定位位置。伺服电机的编码器会实时记录电机的旋转位置。（）拍照系统由工业相机
6、、镜头、环形光源等组成。工业相机是机器视觉系统的重要组成部分，能够将镜头采集到的光信息转化为数字图像信号，然后通过接口传输到计算机进行处理。镜头的选择将直接影响预处理前所采集图像的质量，选对镜头能让后期的检测事半功倍。光源可以使物体成像清晰，将缺陷部分与背景区域形成较为明显的对比度，降低检测的难度。系统工业相机的主要参数：相机类型为面阵相机；分辨率 ；最大帧率 ；传感器类型为 。应用镜头类型包含 种：表面检测选用普通镜头，焦距 ；尺寸测量选用远心镜头，其镜头总长 ，物方工作距 ，物方分辨率 。（）分析系统由光纤传感器和视觉检测分析软件组成，是系统的核心部分。当光纤传感器检测到磁片后，可以触发后
7、续分析检测工作的初始化。视觉检测分析软件由 开源视觉软件与 联合开发，用于判定磁片是否存在缺陷故障和尺寸北 京 工 业 职 业 技 术 学 院 学 报第 卷故障。（）筛选系统由继电器、气阀、物料传感器组成。根据视觉检测分析软件的检测结果，通过运动控制板卡的 接口给定相应气阀的吹气指令，进而将磁片在不同的物料盒中进行筛选分类。系统工作原理系统要求检测速度达到 片，并且在该速度下完成上、下 个表面的缺陷检测和尺寸检测，因此系统设计了多线程并行处理功能。检测系统软件控制原理图如图 所示。图 检测系统软件控制原理图控制原理为：磁片由落料系统中的振动盘振动，落到传动系统的透明玻璃转台，当光纤传感器检测到
8、磁片经过时，视觉检测系统根据工业相机和吹气阀相对光纤传感器的编码器距离，自动记录 个工业相机和 个吹气阀所在的编码器位置；磁片运行至相应工业相机的编码器位置时，拍照系统的工业相机触发拍照功能，由分析系统完成相机表面缺陷或尺寸缺陷判别后锁存该磁片的缺陷状态；根据 张图像的缺陷分析状态，对该磁片进行结果判定标记，良品标记为“”，缺陷品标记为第 期丁敬保，等：基于机器视觉的电机磁片尺寸和表面缺陷检测系统的设计“”；根据检测结果对磁片分类触发筛选系统中的相应气阀，品放行，品剔除，完成筛选统计工作。尺寸标定算法检测磁片尺寸需要建立尺寸标定模型，本系统采用经典的内参线性标定模型中的小孔成像模型来建立尺寸标
9、定模型。为建立尺寸标定模型，引入 个坐标系，如图 所示，其中 为世界坐标系，为相机坐标系，为成像平面坐标系，为像素坐标系。图 相机尺寸标定模型坐标系根据小孔成像原理，个坐标系之间满足如下关系 （）式（）中：，表示像元尺寸，表示相机焦距，（，）为摄像机原点在图像上的坐标，表示 的正交旋转矩阵，表示 的平移矩阵，（，）为相机的内参数，（，）为相机的外参数。式（）中的标定模型并未考虑镜头畸变，是理想的标定模型。为了获取图像的精确尺寸，本系统根据镜头径向畸变与切向畸变对镜头的影响，对归一化后平面上的点计算径向畸变与切向畸变，列出如下畸变方程 ，()()()，()()()（）式（）中：，()为三维空间点
10、在归一化图像平面的理想无畸变成像坐标，（，）为三维空间点在归一化图像平面的理想有畸变成像坐标，（，）为径向畸变系数，（，）为切向畸变系数，表示图像像素点到图像中心的距离，。将畸变后的点通过内参数矩阵投影到像素平面，可以得到标定后的图像像素点，即 （）由式（）可知，通过确定相机的内参数（，）和相机的畸变系数（，），可得到磁片尺寸测量标定模型。表面缺陷算法表面缺陷检测相机飞拍后，需要根据表面缺陷算法来判别磁片相应表面是否存在缺陷，根据结果判定磁片变量标识为“”或“”。表面缺陷算法主流程如图 （）所示，主要包括图像预处理、图像粗定位、图像精定位和缺陷判定等子流程：图像预处理采用高斯滤波和自适应阈值分
11、割的二值化，用于消除图像无关信息，增加图像对比度；图像粗定位用于获取磁片图像的“粗”边界，减少图像处理时间；精定位算法子流程如图（）所示，采用轮廓提取算法与图像掩码逻辑运算，用于消除图像粗定位后的“白边”，进一步缩短图像处理时间；缺陷判定算法子流程如图 （）所示，采用凸包算法与图像掩码逻辑运算，实现图像的缺陷定位。北 京 工 业 职 业 技 术 学 院 学 报第 卷（）算法主流程 （）精定位算法子流程（）缺陷判定算法子流程图 算法流程图 图像预处理工业相机采集的数字图像往往存在包含一些噪声和图片对比度低的特点，因此飞拍获取的磁片图像必须进行预处理，这个处理的结果将直接影响到后续轮廓的提取。系统
12、中，图像预处理主要采用高斯滤波和自适应阈值分割的图像二值化。高斯滤波在图像处理时，对图像的边缘细节信息保留得更加细致，有利于边缘检测。中，函数 （）是高斯滤波，通过高斯核的二维卷积算子，实现图像模糊平滑，系统中高斯滤波函数采用 的高斯核。自适应阈值分割的图像二值化中，像素点的二值化阈值是由该像素邻域块的像素值分布来确定，因此 它 并 非 固 定 不 变。中 的 （）函数可实现自适应阈值分割的图像二值化，系统中表征像素的邻域块大小 参数取 。粗定位由于工业相机拍摄的图像尺寸较大，如果对图像进行整体分析，会增加图像的处理时间。同时，图像中磁片外部存在的小“污损”和小“毛刺”，也会对缺陷的判别带来干
13、扰。因此有必要通过粗定位，来减少图像的处理面积，提高处理速度，同时可以摆脱磁片外部的图像干扰。在 中，函数 （）可以计算并返回指定点集的区域边界最小正矩形。利用该函数，可以得到磁片轮廓的最小面积边界正矩形，然后根据矩形区域对原图像进行截取，进而实现图像的粗定位。系统检测时，通过光源进行打光操作来提高图像质量。由于磁片体积较小，在光源的影响下，工业相机拍照后在磁片周围形成了一圈“白边”，如图（）所示。通过粗定位并不能去掉此“白边”，这对拍照后的缺陷判别带来了干扰，同时也影响了磁片尺寸测量的精度。因此，有必要对图像进一步处理来消除磁片边缘的“白边”，即“精定位”。第 期丁敬保，等：基于机器视觉的电
14、机磁片尺寸和表面缺陷检测系统的设计（）粗定位图像（）“带白边”图像外轮廓（）“外白内黑”掩膜图像（）去除“白边”后的图像图 工业相机拍摄的图像及处理图 精定位精定位算法流程图见图 （）。图 （）所示的粗定位图片需要进一步消除“白边”，具体为：应用 中的 （）函数从粗定位后的图像中提取出图像的外轮廓像素，如图 （）所示；根据粗定位图像尺寸，以图像外轮廓为边界建立“外白内黑”的掩膜图像，如图 （）所示；将粗定位后的图像与掩膜图像进行“或运算”，便得到去除“白边”的图像，如图 （）所示。缺陷判定去除磁片“白边”后的图像，如图 （）所示。如果以外轮廓线为边界查找图像缺陷，将会丢失边缘处可能存在的缺陷。
15、通过添加外轮廓曲线的外凸多边形，可以避免边缘处缺陷漏检。为了凸显边缘处的缺陷，有必要将磁片外凸多边形外部的背景颜色更换为黑色，有利于缺陷区域的识别。缺陷判定算法流程图见图 （），具体为：应用 中的 （）函数从去除磁片“白边”后的图像中提取出图像的外凸多边形，如图（）所示；根据精定位图像尺寸，以图像外凸多边形为边界建立“外黑内白”的掩膜图像，如图 （）所示；将精定位图像与掩膜图像进行“与运算”，得到更换黑色背景后的图像，如图 （）所示。（）去除“白边”后的图像（）外凸多边形（）“外黑内白”掩膜图像（）更换黑色背景后的图像图 图像缺陷判定得到更换黑色背景后的图像后，缺陷区域在图像中非常突显。此时通
16、过滤波和开运算处理可以断开狭窄的间断和消除细的突出物，使图像轮廓变得光滑，如图 （）所示。然后通过 （）函数获得图像白色连通区域轮廓，计算连通区域的实际面积和周长，并将其与缺陷的面积阈值、周长阈值进行比对，完成图像缺陷区域的判别和定位，如图（）所示。北 京 工 业 职 业 技 术 学 院 学 报第 卷（）滤波，开运算处理后图像（）缺陷定位图像图 图像缺陷识别 中的 （）和 （）函数，用于计算轮廓或部分连通区域的面积 和周长 ，代表图像连通区域中像素总个数，代表图像各个连通区域周长。经过反复测试，本系统中 和 的阈值参数分别取 和 。试验结果分析为检验系统缺陷检测算法的精确度和实时性，基于 应用软件和 算法库开发了检测软件并搭建了实际硬件测试平台。控制伺服电机检测速度在 片时，尺寸缺陷和表面缺陷检测结果分别如表 、表 所示。表 尺寸缺陷检测结果统计表尺寸检测样本数 个识别数 个准确率 尺寸合格品 尺寸不合格品 表 表面缺陷检测结果统计表表面检测样本数 个识别数 个准确率 表面合格品 表面不合格品 由检测数据可知：尺寸不合格品和表面不合格品的有效剔除率均在 以上，尺寸合格品检测中有 个误判
